引言：
在本文中，我们将学习如何使用Python创建一个简单的图片爬虫。

我们将利用requests库来发送HTTP请求，BeautifulSoup库来解析HTML页面，以及os和shutil库来下载和保存图片。通过这个教程，你将学会如何爬取网页上的图片并保存到本地。

目录

一、准备工作

在开始之前，请确保你已经安装了Python，并且安装了以下库：

你可以使用以下命令来安装这些库：

二、代码实现

三、代码解析

一、准备工作

在开始之前，请确保你已经安装了Python，并且安装了以下库：
  • requests：用于发送HTTP请求
  • beautifulsoup4：用于解析HTML页面
你可以使用以下命令来安装这些库：
pip install requests beautifulsoup4

二、代码实现

import osimport requestsfrom bs4 import BeautifulSoupfrom urllib.parse import urljoinfrom urllib.request import urlretrievedef download_images(url, save_dir):"""下载指定网页上的所有图片并保存到本地文件夹:param url: 目标网页的URL:param save_dir: 图片保存的目录"""# 创建保存图片的目录if not os.path.exists(save_dir):os.makedirs(save_dir)# 发送HTTP请求response = requests.get(url)response.raise_for_status()# 如果请求失败，抛出异常# 使用BeautifulSoup解析页面soup = BeautifulSoup(response.text, 'html.parser')# 查找所有的图片链接image_links = soup.find_all('img')# 下载并保存图片for img in image_links:img_url = img.get('src')# 如果图片链接是相对路径，则将其转换为绝对路径if not img_url.startswith(('http://', 'https://')):img_url = urljoin(url, img_url)# 下载图片img_name = os.path.join(save_dir, img_url.split('/')[-1])urlretrieve(img_url, img_name)print(f"Downloaded: {img_name}")# 使用示例url = "https://example.com"# 替换为你要爬取的网页的URLsave_dir = "images"# 图片保存的目录download_images(url, save_dir)

三、代码解析

  • 导入库：首先，我们导入了所需的库，包括os、requests、BeautifulSoup、urllib.parse和urllib.request。
  • 定义函数：我们定义了一个名为download_images的函数，它接受两个参数：url（目标网页的URL）和save_dir（图片保存的目录）。
  • 创建保存目录：如果指定的保存目录不存在，我们将创建它。
  • 发送HTTP请求：使用requests.get方法发送HTTP请求，并使用response.raise_for_status检查请求是否成功。
  • 解析页面：使用BeautifulSoup解析HTML页面，并查找所有的标签，以获取图片链接。
  • 下载并保存图片：遍历每个图片链接，将其转换为绝对路径（如果需要），并使用urlretrieve方法下载图片然后，将图片保存到指定的目录，并打印出下载的文件名。
  • 使用示例：最后，我们提供了一个使用示例，包括目标网页的URL和图片保存的目录。

四、注意事项

  • 在使用爬虫时，请确保遵守目标网站的robots.txt文件和使用条款，并尊重他人的版权和隐私。
  • 不要对网站造成过大的压力或进行恶意爬取。
  • 可以根据需要进一步扩展此代码，例如增加错误处理、添加代理支持、限制并发请求数、使用异步IO等。

通过本文的学习，你已经掌握了如何使用Python创建一个简单的图片爬虫。你可以根据自己的需求进一步扩展和优化这个爬虫。记得在使用爬虫时要遵守相关规定和法律法规，尊重他人的权益。